CN111145229A - 成像方法、装置及扫描系统 - Google Patents
成像方法、装置及扫描系统 Download PDFInfo
- Publication number
- CN111145229A CN111145229A CN201911357048.7A CN201911357048A CN111145229A CN 111145229 A CN111145229 A CN 111145229A CN 201911357048 A CN201911357048 A CN 201911357048A CN 111145229 A CN111145229 A CN 111145229A
- Authority
- CN
- China
- Prior art keywords
- image data
- bone structure
- enhanced
- bone
- data corresponding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种成像方法、装置及扫描系统。所述成像方法应用于扫描系统,所述方法包括:对待扫描对象进行CT平扫和CT增强扫描,得到CT平扫图像数据和CT增强图像数据,对所述CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对所述CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据,利用每个骨结构对应的所述第一图像数据和所述第二图像数据,准确区分所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据,根据所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据,获得高质量的目标图像。
Description
技术领域
本申请涉及医学成像技术领域,尤其涉及成像方法、装置及扫描系统。
背景技术
CT血管造影(CTA,CT angiography)技术是将CT(Computed Tomography,计算机体层摄影)增强技术与薄层、大范围、快速扫描技术相结合,通过对扫描数据进行后处理得到CTA图像,CTA图像清晰显示待扫描部位的血管细节,具有无创和操作简便的特点。
应用中,可以对待扫描对象进行CT平扫,得到CT平扫图像数据,患者尽量保持位置和姿态无变化,在向患者静脉注射造影剂之后,对患者进行CT增强扫描,得到CT增强图像,由于CT平扫图像仅对骨结构进行高密度显示,CT增强图像同时对骨结构和血管进行高密度显示,因此对CT平扫图像和CT增强图像进行配准,对配准后的CT增强图像和CT平扫图像进行减影,即可得到患者的血管造影图像,即CTDSA图像。
相关技术对CT平扫图像和CT增强图像进行整体配准,使用代价函数对整体图像的配准系数进行优化,使用优化后的配准系数对图像中所有骨结构的运动偏移进行校正。当发生运动的骨体素较少时,运动偏移对代价函数输出结果的影响较小,使用优化后的配准系数无法准确校正图像中体素的运动偏移,导致CTDSA图像存在伪影。
发明内容
为克服相关技术中存在的问题,本申请提供了一种成像方法、装置及扫描系统。
第一方面,提供一种成像方法,应用于扫描系统,所述方法包括:
对待扫描对象进行CT平扫和CT增强扫描,得到CT平扫图像数据和CT增强图像数据;
对所述CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对所述CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据;
利用每个骨结构对应的所述第一图像数据和所述第二图像数据,区分所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据;
根据所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据,获得所述待扫描对象的目标图像。
第二方面,提供一种成像装置,应用于扫描系统,所述装置包括:
扫描模块,被配置为对待扫描对象进行CT平扫和CT增强扫描,得到CT平扫图像数据和CT增强图像数据;
划分模块,被配置为对所述CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对所述CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据;
区分模块,被配置为利用每个骨结构对应的所述第一图像数据和所述第二图像数据,区分所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据;
获得模块,被配置为根据所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据,获得所述待扫描对象的目标图像。
第三方面,提供一种扫描系统,包括:内部总线,以及通过内部总线连接的存储器、处理器和外部接口;其中,
所述外部接口,用于获取待扫描对象对应的CT平扫图像数据和CT增强图像数据;
所述存储器,用于存储成像对应的机器可读指令;
所述处理器,用于读取所述存储器上的所述机器可读指令,并执行所述指令实现如下操作:
对所述CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对所述CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据;
利用每个骨结构对应的所述第一图像数据和所述第二图像数据,区分所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据;
根据所述骨结构图像数据和所述非骨结构图像数据,获得所述待扫描对象的目标图像。
本申请的实施例提供的技术方案可以包括以下有益效果:
本申请实施例提供了一种新型的成像方法,对CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据,利用每个骨结构对应的第一图像数据和第二图像数据,准确区分CT增强图像数据中的骨结构图像数据和非骨结构图像数据,根据骨结构图像数据和非骨结构图像数据,获得高质量的目标图像。
在采用上述方法获得血管造影图像的场景下,对每个骨结构对应的CT平扫图像数据和CT增强数据进行局部配准,相比于整体配准,局部配准具有配准结果准确、数据运算量小、配准效率高、设备性能要求低等优点,得到的CTA图像中不存在伪影。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本申请的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请一示例性实施例示出的一种成像方法的流程图;
图2是本申请一示例性实施例示出的另一种成像方法的流程图;
图3是本申请一示例性实施例示出的一种成像装置的示意图;
图4是本申请一示例性实施例示出的一种扫描系统的示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
本申请提供了一种成像方法,应用于扫描系统,该扫描系统具有CT平扫功能,可以是CT系统、PET(Positron Emission Computed Tomography,正电子发射型计算机断层显像)/CT系统等。
下面结合说明书附图,对本申请实施例进行详细描述。
图1是本申请一示例性实施例示出的一种成像方法的流程图,该实施例可以包括以下步骤:
在步骤101中,对待扫描对象进行CT平扫和CT增强扫描,得到CT平扫图像数据和CT增强图像数据。
CT平扫又称普通扫描,是指静脉内不给造影剂的扫描,经CT平扫得到CT平扫图像数据。造影剂可以是含碘造影剂。
CT增强扫描是指静脉内给造影剂的扫描,经CT增强扫描得到CT增强图像数据。
在步骤102中,对CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据。
本申请中,骨结构可以包括刚性骨结构;或者,骨结构可以包括非刚性骨结构。
刚性骨结构包括多个骨体素,不同骨体素之间保持相对静止,刚性骨结构仅会发生整体移动和整体转动,不会发生变形。人体骨骼包括多个刚性骨结构,例如,颅骨、下巴、脊椎块等。
非刚性骨结构由几个刚性骨结构形成,可以发生整体移动、整体转动和变形,例如,将整个脊柱划分成几个非刚性骨结构,每个非刚性骨结构由N个脊椎块形成,N的大小可以根据需要和经验进行设置,如2或3等。
将CT平扫图像数据中每个骨体素对应的像素点的像素点数据均称为第一图像数据,每个骨结构包括多个骨体素,每个骨结构对应多个第一图像数据。将CT增强图像数据中每个骨体素对应的像素点的像素点数据均称为第二图像数据,每个骨结构包括多个骨体素,每个骨结构对应多个第二图像数据。
CT平扫图像数据中包括骨结构图像数据和非骨结构图像数据,如血管造影图像数据、脑组织图像数据等,扫描系统可以先从CT平扫图像数据中获取所有骨结构图像数据,再对CT平扫图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的第一图像数据。
扫描系统可以基于操作技师的手动操作从CT平扫图像数据中获取所有骨结构图像数据。例如,扫描系统根据CT平扫图像数据输出CT平扫图像,操作技师在显示的CT平扫图像上绘制所有骨结构的边框,扫描系统基于该边框,从CT平扫图像数据中获取所有骨结构图像数据。
或者,扫描系统可以自动从CT平扫图像数据中获取所有骨结构图像数据。例如,对CT平扫图像数据进行二值化处理,利用二值化图像,从CT平扫图像数据中获取所有骨结构图像数据。
扫描系统可以基于操作技师的手动操作对CT平扫图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的第一图像数据。例如,扫描系统根据CT平扫图像数据输出CT平扫图像,操作技师为CT平扫图像中每个骨结构绘制边框,扫描系统根据每个边框,从CT平扫图像数据中获取每个骨结构对应的第一图像数据。
或者,扫描系统可以自动对CT平扫图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的第一图像数据。例如,第一种方式:扫描系统预先设置一CT值范围,将CT平扫图像数据中满足该CT值范围的图像数据确定为骨结构对应的第一图像数据;第二种方式:扫描系统采用深度学习方法,自动从CT平扫图像数据中选取不同骨结构对应的第一图像数据。
示例性地,颅骨的CT值较高,预先设置CT阈值500HU,扫描系统获取一图像数据,基于图像数据中的像素值确定CT值,在确定CT值大于或等于500HU后,确定该图像数据为颅骨对应的图像数据。
可以采用类似的方法,从CT增强图像数据中获取所有骨结构图像数据,对CT增强图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的第二图像数据。
在一个可选的实施例中,扫描系统对CT平扫图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的第一图像数据的操作,可以通过以下方式实现:对CT平扫图像数据中所有骨结构图像数据进行划分,得到不同骨结构对应的图像数据,从每个骨结构对应的图像数据中,选取满足预设数据条件的第一图像数据。
扫描系统对CT增强图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的第二图像数据的操作,可以通过以下方式实现:对CT增强图像数据中所有骨结构图像数据进行划分,得到不同骨结构对应的图像数据,从每个骨结构对应的图像数据中,选取满足预设数据条件的第二图像数据。
在应用场景下,操作技师可以从显示的CT平扫图像中选取感兴趣区域(Region OfInterest,ROI),为感兴趣骨结构区域绘制边框,触发扫描系统获取感兴趣骨结构区域内的第一图像数据,同样可以在显示的CT增强扫描图像上,为感兴趣骨结构区域绘制边框,触发扫描系统获取感兴趣骨结构区域内的第二图像数据。例如,颅骨分为颞骨、蝶骨、穿颅段等多个结构,若医生关心颞骨,则可以在显示的CT平扫图像上为颞骨绘制边框,触发扫描系统获取边框内颞骨图像数据。
扫描系统也可以基于预设机制,自动从每个骨结构对应的图像数据中,选取满足预设数据条件的第二图像数据。
相比获取整个骨结构对应的第一图像数据和第二图像数据,通过预设数据条件获取的第一图像数据和第二图像数据的数据量较少,数据采样点较少,减少了后续对第一图像数据和第二图像数据进行配准过程的数据运算量,提高了配准效率。
在步骤103中,利用每个骨结构对应的第一图像数据和第二图像数据,区分CT增强图像数据中的骨结构图像数据和非骨结构图像数据。
图2是本申请一示例性实施例示出的一种成像方法的流程图,参见图2,步骤103可以通过以下方式实现:在步骤1031中,对每个骨结构对应的第一图像数据和第二图像数据进行配准,得到每个骨结构对应的配准系数;在步骤1032中,基于每个配准系数,对对应的第一图像数据中的位置数据进行调整,得到调整后的第一图像数据;在步骤1033中,将CT增强图像数据中与调整后的第一图像数据相同的图像数据确定为骨结构图像数据,并将CT增强图像数据中除骨结构图像数据之外的图像数据确定为非骨结构图像数据。
针对步骤1031,对每个骨结构对应的多个第一图像数据和多个第二图像数据进行局部配准,得到每个骨结构对应的配准系数,使用每个骨结构对应的配准系数,校正扫描图像中相应骨结构的运动偏移。
当骨结构包括刚性骨结构时,可以采用刚性配准方法,对每个骨结构对应的多个第一图像数据和多个第二图像数据进行配准,具体使用代价函数对得到的配准系数进行优化,得到最佳配准系数。配准系数包括:平移数据和旋转数据,其中,平移数据包括图像空间中三个坐标方向上的平移数据,可以以空间坐标形式表示,旋转数据可以包括旋转角度。扫描系统使用平移数据和旋转数据对扫描图像中骨结构的运动偏移进行校正。
本申请公开的局部配准过程中代价函数涉及的图像数据量,远小于整体配准过程中代价函数涉及的图像数据量,当发生运动的骨体素较少时,运动偏移对整体配准过程中代价函数输出结果的影响较小,而对局部配准过程中代价函数输出结果的影响较大,因此使用局部配准得到的最佳配准系数可以准确校正扫描图像中骨结构的运动偏移。
整体配准过程中代价函数涉及的图像数据量非常大,使用代价函数优化配准系数的运算量非常大,而局部配准过程中代价函数涉及的图像数据量较小,使用代价函数优化配准系数的运算量要小很多。因此,相比于整体配准,本申请公开的局部配准还具有数据运算量小、配准效率高、设备性能要求低等优点。
当骨结构包括非刚性骨结构时,可以采用柔性配准方法,对非刚性骨结构对应的多个第一图像数据和多个第二图像数据进行配准,具体按照预设画面尺寸,对CT平扫图像数据进行划分,得到多个CT平扫图像数据块,根据每个CT平扫图像数据块显示的图像的尺寸相同,以及按照同样的预设画面尺寸,对CT增强图像数据进行划分,得到多个CT增强图像数据块,根据每个CT增强图像数据块显示的图像的尺寸相同。对同一待扫描部位对应的CT平扫图像数据块和CT增强图像数据块进行配准,使用得到的配准系数,对扫描图像中该待扫描部位的运动偏移进行校正。配准系数包括平移数据,扫描系统使用平移数据对扫描图像中骨结构的运动偏移进行校正。
在一个CT平扫图像数据块包括不同刚性骨结构对应的图像数据的情况下,若只有部分刚性骨结构发生运动,而剩余刚性骨结构未发生运动,则使用同一配准系数对发生运动和未发生运动的刚性骨结构的运动偏移进行校正,会出现校正结果不准确的情况。
相比之下,对CT平扫数据和CT增强扫描数据进行划分,得到不同刚性骨结构对应的第一图像数据和第二图像数据,对每个刚性骨结构对应的第一图像数据和第二图像数据进行局部配准,配准结果更加准确。
在一个可选的实施例中,成像方法还可以包括:为每个骨结构对应的第一图像数据标记表征该骨结构的标签,以及为每个骨结构对应的第二图像数据标记表征该骨结构的标签。在这种情况下,步骤1031可以通过下面方式确定:通过标签识别,获取标记相同标签的同一骨结构对应的第一图像数据和第二图像数据,对标记相同标签的同一骨结构对应的第一图像数据和第二图像数据进行配准,得到同一骨结构的配准系数。
每个骨结构对应多个第一图像数据,为每个骨结构对应的多个第一图像数据分别标记表征该骨结构的标签。例如,对CT平扫图像中每个颅骨体素对应的像素点数据即第一图像数据均标记1,为每个下颚骨体素对应的像素点数据即第一图像数据均标记2。
类似地,每个骨结构包括多个骨体素,每个骨结构对应多个第二图像数据,为其中的每个第二图像数据标记表征该骨结构的标签。例如,对CT增强图像中每个颅骨体素对应的像素点数据标记1,对下颚骨中各下颚骨体素对应的像素点数据均标记2。
在CT平扫图像数据中标记相同标签的第一图像数据有多个,CT增强图像数据中标记相同标签的第二图像数据有多个的情况下,需要通过标签识别,获取标记相同标签的同一骨结构对应的多个第一图像数据和多个第二图像数据。
针对步骤1032,第一图像数据为一个骨体素对应的像素点的像素点数据,包括像素值和像素坐标,本步骤中的位置数据可以理解为像素坐标。
在对标记相同标签的多个第一图像数据和多个第二图像数据进行配准后,得到该标签表征的骨结构对应的配准系数,使用该配准系数,对每个标记该标签的第一图像数据中的像素坐标进行调整,得到调整后的第一图像数据。
针对步骤1033,在确定CT增强图像数据中的一图像数据与一第一图像数据相同后,获取第一图像数据标记的标签,将该标签标记给该图像数据。通过上述方法,使得CT增强图像数据中每个骨结构图像数据均标记标签。
例如,CT平扫图像数据中颅骨图像数据的标记为1,下颚骨图像数据的标记为2,在确定CT增强图像数据中的一图像数据与CT平扫图像数据中的颅骨图像数据相同后,为CT增强图像数据中的所述一图像数据配置标记1,在确定CT增强图像数据中的另一图像数据与CT平扫图像数据中的下颚骨图像数据相同后,为CT增强图像数据中的所述另一图像数据配置标记2。
基于上述处理,扫描系统可以将CT增强图像数据中所有标记标签的图像数据确定为骨结构图像数据,将CT增强图像数据中未标记任何标签的图像数据确定为非骨结构图像数据。
在步骤104中,根据CT增强图像数据中的骨结构图像数据和非骨结构图像数据,获得待扫描对象的目标图像。
在区分出CT增强图像数据中的骨结构图像数据和非骨结构图像数据后,可以减小骨结构图像数据中的像素值,基于设置后的图像数据,获得待扫描对象的血管造影图像。
在CT增强图像数据中每个骨结构图像数据标记有标签,而非骨结构图像数据未标记标签的情况下,可以减小CT增强图像数据中所有标记标签的图像数据中的像素值,根据设置后的图像数据,获得血管造影图像。
例如,可以将骨结构图像数据中的像素值设置为零,可以将所有标记标签的图像数据中的像素值设置为零。
在区分出CT增强图像数据中的骨结构图像数据和非骨结构图像数据后,可以为骨结构图像数据和非骨结构图像数据配置不同的颜色数据,基于配置后的图像数据获得融合图像,融合图像对骨结构图像和非骨结构图像进行颜色区分显示。
在CT增强图像数据中不同骨结构对应的骨结构图像数据标记的标签不同的情况下,扫描系统可以给标记相同标签的图像数据配置相同的颜色数据,标记不同标签的图像数据配置的颜色数据不同,基于配置后的图像数据获得融合图像,融合图像对不同骨结构进行颜色区分显示。
例如,颅骨图像数据的标签为1,下颚骨图像数据的标签为2,扫描系统给标记1的所有颅骨图像数据配置红色数据,给标记2的所有下颚骨图像数据配置蓝色数据,使得融合图像中颅骨区域显示红色,下颚骨区域显示蓝色。
本申请实施例提供了一种新型的成像方法,对CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据,利用每个骨结构对应的第一图像数据和第二图像数据,准确区分CT增强图像数据中的骨结构图像数据和非骨结构图像数据,根据骨结构图像数据和非骨结构图像数据,获得高质量的目标图像。
在采用上述方法获得血管造影图像的场景下,对每个骨结构对应的CT平扫图像数据和CT增强数据进行局部配准,相比于整体配准,局部配准具有配准结果准确、数据运算量小、配准效率高、设备性能要求低等优点,得到的CTA图像中不存在伪影。
与前述成像方法相对应,本申请还提供了成像装置及扫描系统的实施例。
参照图3,是本申请一示例性实施例示出的一种成像装置的示意图,应用于扫描系统,所述装置包括:扫描模块21、划分模块22、区分模块23和获得模块24;其中,
所述扫描模块21,被配置为对待扫描对象进行CT平扫和CT增强扫描,得到CT平扫图像数据和CT增强图像数据;
所述划分模块22,被配置为对所述CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对所述CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据;
所述区分模块23,被配置为利用每个骨结构对应的所述第一图像数据和所述第二图像数据,区分所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据;
所述获得模块24,被配置为根据所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据,获得所述待扫描对象的目标图像。
在一个可选的实施例中,参见图4,所述区分模块23,可以包括:配准子模块、调整子模块和确定子模块;其中,
所述配准子模块,被配置为对每个骨结构对应的第一图像数据和第二图像数据进行配准,得到每个骨结构对应的配准系数;
所述调整子模块,被配置为基于每个所述配准系数,对对应的所述第一图像数据中的位置数据进行调整,得到调整后的第一图像数据;
所述确定子模块,被配置为将所述CT增强图像数据中与所述调整后的第一图像数据相同的图像数据确定为所述骨结构图像数据,并将所述CT增强图像数据中除所述骨结构图像数据之外的图像数据确定为所述非骨结构图像数据。
参照图4,是本申请一示例性实施例示出的一种扫描系统的示意图,该设备可以包括:通过内部总线310连接的存储器320、处理器330和外部接口340。
其中,外部接口340,用于获取待扫描对象对应的CT平扫图像数据和CT增强图像数据;
存储器320,用于存储成像对应的机器可读指令;
处理器330,用于读取所述存储器320上的所述机器可读指令,并执行所述指令以实现如下操作:
对所述CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对所述CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据;
利用每个骨结构对应的所述第一图像数据和所述第二图像数据,区分所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据;
根据所述骨结构图像数据和所述非骨结构图像数据,获得所述待扫描对象的目标图像。
在公开实施例中,计算机可读存储介质可以是多种形式,比如,在不同的例子中,所述机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。特殊的,所述的计算机可读介质还可以是纸张或者其他合适的能够打印程序的介质。使用这些介质,这些程序可以被通过电学的方式获取到(例如,光学扫描)、可以被以合适的方式编译、解释和处理,然后可以被存储到计算机介质中。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (13)
1.一种成像方法,其特征在于,应用于扫描系统,所述方法包括:
对待扫描对象进行CT平扫和CT增强扫描,得到CT平扫图像数据和CT增强图像数据;
对所述CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对所述CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据;
利用每个骨结构对应的所述第一图像数据和所述第二图像数据,区分所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据;
根据所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据,获得所述待扫描对象的目标图像。
2.根据权利要求1所述的方法,其特征在于,所述利用每个骨结构对应的所述第一图像数据和所述第二图像数据,区分所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据,包括:
对每个骨结构对应的第一图像数据和第二图像数据进行配准,得到每个骨结构的配准系数;
基于每个所述配准系数,对对应的所述第一图像数据中的位置数据进行调整,得到调整后的第一图像数据;
将所述CT增强图像数据中与所述调整后的第一图像数据相同的图像数据确定为所述骨结构图像数据,并将所述CT增强图像数据中除所述骨结构图像数据之外的图像数据确定为所述非骨结构图像数据。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
为每个骨结构对应的第一图像数据标记表征所述骨结构的标签,以及为每个骨结构对应的第二图像数据标记表征所述骨结构的标签;
所述对每个骨结构对应的第一图像数据和第二图像数据进行配准,得到每个骨结构的配准系数,包括:
通过标签识别,获取标记相同标签的同一骨结构对应的所述第一图像数据和所述第二图像数据;
对标记相同标签的同一骨结构对应的第一图像数据和第二图像数据进行配准,得到所述同一骨结构的配准系数。
4.根据权利要求3所述的方法,其特征在于,所述将所述CT增强图像数据中与所述调整后的第一图像数据相同的图像数据确定为所述骨结构图像数据,并将所述CT增强图像数据中除所述骨结构图像数据之外的图像数据确定为所述非骨结构图像数据,包括:
在确定所述CT增强图像数据中的一图像数据与一所述第一图像数据相同后,获取所述第一图像数据标记的标签,将所述标签标记给所述图像数据;
将所述CT增强图像数据中所有标记标签的图像数据确定为所述骨结构图像数据;
将所述CT增强图像数据中未标记任何标签的图像数据确定为所述非骨结构图像数据。
5.根据权利要求4所述的方法,其特征在于,所述目标图像包括:融合图像;所述根据所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据,获得所述待扫描对象的目标图像,包括:
为所述骨结构图像数据中标记相同标签的图像数据配置相同的颜色数据,标记不同标签的图像数据配置的颜色数据不同;
根据配置后的图像数据,获得所述融合图像。
6.根据权利要求4所述的方法,其特征在于,所述目标图像包括:血管造影图像;所述根据所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据,获得所述待扫描对象的目标图像,包括:
减小所有标记标签的图像数据中的像素值;
根据设置后的图像数据,获得所述血管造影图像。
7.根据权利要求2所述的方法,其特征在于,所述骨结构包括刚性骨结构,所述对每个骨结构对应的第一图像数据和第二图像数据进行配准,得到每个骨结构的配准系数,包括:
对所述刚性骨结构对应的第一图像数据和第二图像数据进行配准,得到所述刚性骨结构的配准系数,所述配准系数包括:平移数据和旋转数据。
8.根据权利要求2所述的方法,其特征在于,所述骨结构包括非刚性骨结构,所述对每个骨结构对应的第一图像数据和第二图像数据进行配准,得到每个骨结构的配准系数,包括:
对所述非刚性骨结构对应的第一图像数据和第二图像数据进行配准,得到所述非刚性骨结构的配准系数,所述配准系数包括:平移数据。
9.根据权利要求1所述的方法,其特征在于,所述对所述CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对所述CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据,包括:
从所述CT平扫图像数据中获取所有骨结构图像数据,对所述CT平扫图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的所述第一图像数据;
从所述CT增强图像数据中获取所有骨结构图像数据,对所述CT增强图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的所述第二图像数据。
10.根据权利要求9所述的方法,其特征在于,所述对所述CT平扫图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的所述第一图像数据,包括:
对所述CT平扫图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的图像数据,从每个骨结构对应的图像数据中,选取满足预设数据条件的所述第一图像数据;
所述对所述CT增强图像数据中所有骨结构图像数据进行划分,获得不同骨结构对应的所述第二图像数据,包括:
对所述CT增强图像数据中所有骨结构图像数据进行划分,得到不同骨结构对应的图像数据,从每个骨结构对应的图像数据中,选取满足所述预设数据条件的所述第二图像数据。
11.一种成像装置,其特征在于,应用于扫描系统,所述装置包括:
扫描模块,被配置为对待扫描对象进行CT平扫和CT增强扫描,得到CT平扫图像数据和CT增强图像数据;
划分模块,被配置为对所述CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对所述CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据;
区分模块,被配置为利用每个骨结构对应的所述第一图像数据和所述第二图像数据,区分所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据;
获得模块,被配置为根据所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据,获得所述待扫描对象的目标图像。
12.根据权利要求11所述的装置,其特征在于,所述区分模块,包括:
配准子模块,被配置为对每个骨结构对应的第一图像数据和第二图像数据进行配准,得到每个骨结构对应的配准系数;
调整子模块,被配置为基于每个所述配准系数,对对应的所述第一图像数据中的位置数据进行调整,得到调整后的第一图像数据;
确定子模块,被配置为将所述CT增强图像数据中与所述调整后的第一图像数据相同的图像数据确定为所述骨结构图像数据,并将所述CT增强图像数据中除所述骨结构图像数据之外的图像数据确定为所述非骨结构图像数据。
13.一种扫描系统,其特征在于,包括:内部总线,以及通过内部总线连接的存储器、处理器和外部接口;其中,
所述外部接口,用于获取待扫描对象对应的CT平扫图像数据和CT增强图像数据;
所述存储器,用于存储成像对应的机器可读指令;
所述处理器,用于读取所述存储器上的所述机器可读指令,并执行所述指令实现如下操作:
对所述CT平扫图像数据进行划分,获得不同骨结构对应的第一图像数据,以及对所述CT增强图像数据进行划分,获得不同骨结构对应的第二图像数据;
利用每个骨结构对应的所述第一图像数据和所述第二图像数据,区分所述CT增强图像数据中的骨结构图像数据和非骨结构图像数据;
根据所述骨结构图像数据和所述非骨结构图像数据,获得所述待扫描对象的目标图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911357048.7A CN111145229A (zh) | 2019-12-25 | 2019-12-25 | 成像方法、装置及扫描系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911357048.7A CN111145229A (zh) | 2019-12-25 | 2019-12-25 | 成像方法、装置及扫描系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111145229A true CN111145229A (zh) | 2020-05-12 |
Family
ID=70520000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911357048.7A Pending CN111145229A (zh) | 2019-12-25 | 2019-12-25 | 成像方法、装置及扫描系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111145229A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419378A (zh) * | 2020-11-20 | 2021-02-26 | 上海联影智能医疗科技有限公司 | 医学图像配准方法、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110317898A1 (en) * | 2010-06-29 | 2011-12-29 | Lin Shi | Registration of 3D tomography images |
CN105640583A (zh) * | 2016-03-31 | 2016-06-08 | 上海联影医疗科技有限公司 | 血管造影方法 |
US20160171698A1 (en) * | 2014-12-15 | 2016-06-16 | Kabushiki Kaisha Toshiba | Method of, and apparatus for, registration and segmentation of medical imaging data |
CN107038716A (zh) * | 2017-03-29 | 2017-08-11 | 大连外国语大学 | 一种基于椭球模型的非刚性医学图像抗旋转配准方法 |
US20170258430A1 (en) * | 2016-03-09 | 2017-09-14 | Marcus Pfister | Method for acquiring and processing image data of an examination object |
-
2019
- 2019-12-25 CN CN201911357048.7A patent/CN111145229A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110317898A1 (en) * | 2010-06-29 | 2011-12-29 | Lin Shi | Registration of 3D tomography images |
US20160171698A1 (en) * | 2014-12-15 | 2016-06-16 | Kabushiki Kaisha Toshiba | Method of, and apparatus for, registration and segmentation of medical imaging data |
US20170258430A1 (en) * | 2016-03-09 | 2017-09-14 | Marcus Pfister | Method for acquiring and processing image data of an examination object |
CN105640583A (zh) * | 2016-03-31 | 2016-06-08 | 上海联影医疗科技有限公司 | 血管造影方法 |
CN107038716A (zh) * | 2017-03-29 | 2017-08-11 | 大连外国语大学 | 一种基于椭球模型的非刚性医学图像抗旋转配准方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419378A (zh) * | 2020-11-20 | 2021-02-26 | 上海联影智能医疗科技有限公司 | 医学图像配准方法、电子设备和存储介质 |
CN112419378B (zh) * | 2020-11-20 | 2024-04-09 | 上海联影智能医疗科技有限公司 | 医学图像配准方法、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106056537B (zh) | 一种医学图像拼接方法及装置 | |
US10635930B2 (en) | Patient position control for scanning | |
CN107920722B (zh) | 针对自胶囊相机所撷取的图像通过对象检测进行重建 | |
EP3509013A1 (en) | Identification of a predefined object in a set of images from a medical image scanner during a surgical procedure | |
EP2501290B1 (en) | Scan plan field of view adjustor, determiner, and/or quality assessor | |
US7995864B2 (en) | Method and system for performing image registration | |
US20070280556A1 (en) | System and method for geometry driven registration | |
US9076246B2 (en) | System and method of overlaying images of different modalities | |
US9741131B2 (en) | Anatomy aware articulated registration for image segmentation | |
US20070263267A1 (en) | Method for the positionally correct assignment of two medical image data records of an object | |
US7519207B2 (en) | Detection and correction method for radiograph orientation | |
US10248756B2 (en) | Anatomically specific movie driven medical image review | |
US9460510B2 (en) | Synchronized navigation of medical images | |
CN105719324A (zh) | 图像处理装置以及图像处理方法 | |
US20070075248A1 (en) | Computer program, method, and system for hybrid ct attenuation correction | |
US20130190602A1 (en) | 2d3d registration for mr-x ray fusion utilizing one acquisition of mr data | |
EP2715663B1 (en) | Apparatus for generating assignments between image regions of an image and element classes | |
US10504252B2 (en) | Method of, and apparatus for, registration and segmentation of medical imaging data | |
EP2631873B1 (en) | Image alignment of breast images | |
CN111145229A (zh) | 成像方法、装置及扫描系统 | |
WO2000067202A1 (en) | Ct/mr fused image presentation algorithm | |
US9895122B2 (en) | Scanning apparatus, medical image device and scanning method | |
WO2023232068A1 (en) | Systems and methods for image processing | |
US8265361B2 (en) | Automatic transfer of outlined objects from one data set into another data set | |
Macho et al. | Segmenting Teeth from Volumetric CT Data with a Hierarchical CNN-based Approach. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |